深圳市龙华区PM2.5污染与减排过程模拟分析

朱 珠，谭成好，吴 惬，李 萍

(1.深圳市源清环境技术服务有限公司，广东 深圳 518055；2.深圳市深港产学研环保工程技术股份有限公司，广东 深圳 518055)

城市化和工业化进展的加快对大气环境造成的负面影响已逐步显现出来，国内外许多学者对大气污染特征进行了多年的观测和研究，结果发现城市大气污染是一个复杂的过程，具有地域差异性，地域之间却又会相互影响。大气污染防治工作的开展需要依托科学的手段，及时掌握城市大气污染物的污染特征，制定出具有地方特色的大气污染防治举措。

大气环境污染研究领域广泛使用计算机建模技术对大气中污染物的形成、排放、传输、消减等过程进行计算。WRF-Chem (Weather Research and Forecasting model coupled to Chemistry)包含了一种全新的大气化学模式，是当下较为流行的一种空气质量数值模拟技术，已被广泛运用于大气环境质量的模拟与预测中。

龙华区作为深圳市的产业大区，位于城市地理中心和发展中轴，毗邻六区一市，北邻东莞、光明、东连龙岗，南接福田、罗湖、南山，西靠宝安，受制于扬尘、道路移动、锅炉、餐饮油烟、VOCs排放等污染源，其大气污染形势较为严峻，主要表现为PM的浓度偏高，PM、二氧化氮(NO)的浓度均持续上升，臭氧(O)污染显著恶化并有持续上升之势。鉴于此，本文基于相关监测数据，结合WRF-Chem大气化学模式，针对具有代表性的污染个例，对龙华区典型污染时段PM的污染与减排过程进行了模拟分析，并就观澜子站大气污染防治工作提出了建议。

1 研究方法

1.1 A值法计算大气环境容量

大气环境容量是指当一个区域的环境空气质量达到其环境功能区类别目标时大气污染物的最大允许排放总量，其值主要取决于环境对大气污染物的自净能力与自净空间。

A值法将城市看作一个或多个箱体，其中下垫面为底，混合层顶为箱盖，并对区域的通风量、雨洗能力、混合层厚度、下垫面等条件进行综合分析，计算出控制区内某种污染物的浓度限值。设A值控制区分为

n

个分区，每个分区面积为

S

，则控制区内的理想大气环境客量为

式中：

Q

为污染物年允许排放总量限值(×10t/a)，即理想大气环境容量；

A

为地理区域性总量控制系数(×10km/a)，其取值为3.64；

S

为控制区域总面积(km)，文中指龙华区总面积，经过调研，修正为176.44 km；

S

为城市第

i

个分区面积(km)，在以街道为划分依据时，取值需考虑其功能区类型，具体取值详见表1；

C

为第

i

个区域某种污染物的年均浓度限值(mg/m)，具体取值详见表2；

C

为控制区某种污染物的背景浓度(mg/m)，具体取值详见表2。

表1 龙华区大气功能区域划分

表2 龙华区大气污染物年均浓度限值与污染物背景浓度值(单位：mg/m3)

1.2 WRF-Chem大气化学模式

本文使用最新的第三代空气质量模式WRF-Chem 3.8.1，对龙华区典型时段的PM污染与减排过程进行了模拟分析。WRF-Chem大气化学模式将气象模式(WRF)和化学模式(Chem)在线完全耦合，它的气象和化学过程使用相同的坐标系和物理参数化方案，消除了时间上的差值，能够考虑到化学对气象过程的反馈作用。本文使用的WRF-Chem大气化学模式设置三层嵌套，其中第一层分辨率为18 km，包括我国中南部地区；第二层分辨率为6 km，包括广东东部地区；第三层分辨率为2 km，主要覆盖包括龙华区在内的深圳市。该模式中使用了基于中国多尺度排放清单模型(MEIC)制作的2016年东亚地区排放源清单，其空间分辨率达到0.25°×0.25°，对原始清单的各部门排放源作合成，并匹配模拟空间区域，制得适用于模式运行的人为排放源。WRF-Chem大气化学模式所使用的物理、化学参数化方案和模拟网格设置详见表3和表4。

表3 WRF-Chem大气化学模式所使用的物理、化学参数化方案

表4 WRF-Chem大气化学模式的模拟网格设置

本研究使用敏感性实验的方式对减排效力进行综合分析，考虑深圳市整体的排放分布及协同减排要求，将龙华区及其接壤的深圳市行政区(宝安区、光明区、南山区、福田区、龙岗区、罗湖区)的所有人为源排放定义为本地源，主要包括农业、工业、交通、电力和民用排放，将Domain 1、Domain 2 及 Domain 3 中除龙华区及其接壤行政区的所有人为源排放定为外来源。

2 数据来源

龙华区观澜子站监测数据来源于深圳市龙华区环境空气监测综合管理平台和深圳市生态环境局。

利用WRF-Chem大气化学模式模拟的原始排放数据来自于清华大学研究团队制作的中国地区MEIC-2016排放源。MEIC是一套基于云计算平台开发的中国大气污染物和温室气体人为源排放清单模型，可提供高分辨率的动态排放清单数据。源清单中包含10种主要的大气污染物和温室气体(SO、NO、CO、NMVOC、NH、CO、PM、PM、BC和OC)和700多种人为排放源，广泛应用于空气污染成因分析、空气质量预报预警、空气污染达标规划等工作。

3 结果与分析

3.1 大气环境承载力分析

2018年龙华区大气环境容量理想值与实际值的对比，见表5。

表5 2018年龙华区大气环境容量理想值与实际值的对比(单位：t/a)

由表5可知，通过对比2018年龙华区大气环境容量理想值与实际值的计算结果可知，2018年龙华区PM的实际大气环境承载量已经达到了理想大气环境容量，以更严格的《2018年“深圳蓝”可持续行动计划》目标(龙华区2018年大气环境中PM浓度为33.3 μg/m)计算，PM的大气环境容量已经超出了821.96 t/a，表明龙华区PM的减排仍是大气污染防治工作的重点；而2018年龙华区NO和PM的实际大气环境承载量则已经降到了理想大气环境容量范围内，相比于PM，此两种污染物的直接减排压力相对较小。

3.2 WRF-Chem模拟验证

利用WRF-Chem大气化学模式对龙华区2017年1月2～4日、2019年1月3～6日大气污染时段以及2018年4月3～7日大气相对清洁时段的气象因子和PM浓度进行了模拟，并将模拟结果与深圳市生态环境局公布的龙华区的气温、相对湿度、风速和PM浓度进行对比检验，评估其误差，进行相关性分析以及平均偏差和平均误差评估，其结果见表6和图1。

表6 龙华区气象因子和PM2.5浓度WRF-Chem模拟值与监测值的对比

由表6和图1可见，气温、相对湿度、风速和PM浓度的模拟值与观测值的相关系数均较高，说明WRF-Chem大气化学模式能合理地反映模拟时段内的气象条件和PM浓度情况，因此可利用WRF-Chem大气化学模式模拟龙华区大气污染特征并进行分析。尽管模拟所得的风速存在偏高、PM浓度在低值区存在一定低估的情况，但相关统计评估参量的误差均在可接受范围内，验证了WRF-Chem大气化学模式模拟龙华区大气污染特征具有可靠性。

图1 气温、相对湿度、风速和PM2.5浓度的模拟值与监测值的相关性分析Fig.1 Correlation analysis of simulated and observed temperature,relative humidity,wind speed,and PM2.5 concentration

3.3 PM2.5污染过程的模拟分析

模拟实验应着重选取具有代表性的大气污染过程，而龙华区秋冬季大气污染事件频率较高，因此针对秋冬季即冷季大气污染时段，分别选取2017年1月1～4日的PM超标污染事件和2019年1月3～6日的PM轻度污染事件为代表，针对暖季即大气相对清洁时段，则选取2018年4月3～7日大气相对清洁时期为代表，进行PM污染过程的模拟分析。

3.3.1 典型污染时段PM污染过程的模拟分析

图2为龙华区2017年1月2日至1月3日大气污染时期PM浓度模拟值分析与风场叠加图。

由图2可见，2017年1月2日10时，龙华区大气污染较周边南山、龙岗等区略高,虽然龙华区中北部大气中的PM浓度偏高，但龙华区整体吹东北风，且东北方向污染物浓度较小，风速较大，有利于大气污染物的扩散，因此1月2日10～16时，龙华区持续的偏东风使得区域大气污染物浓度减小;另一方面，午间温度的升高也有利于大气的垂直运动，促进大气污染物的扩散,至1月2日17时，深圳市南部地区风向发生转变，风向由偏北风转变为偏南风，南部地区的大气污染物开始传输进入深圳市，此时龙华区大气中的PM浓度出现升高，但其浓度仍维持在低于60 μg/m的较低水平，这是由于深圳南部地区持续偏南风，1月2日19时大气污染物由南部扩散至龙华全区，此时龙华区风速显著降低，表现为典型的秋冬季静稳天气形势，大气中PM浓度超过100 μg/m；至1月3日0时，大气中的PM浓度仍然维持在100 μg/m的较高水平，此时全区均表现为较小的东南风，大气污染物扩散至龙华区后在此堆积；1月3日10时以后，气象条件再次发生转变，龙华区风力加大，风向转变为偏东风，大气污染物水平扩散条件良好，且此时其他地区向龙华区的污染传输减弱，大气中的PM在此条件下得以扩散，龙华区大气中的PM浓度自东向西降低；至1月3日14时，龙华区大气中的PM浓度整体降至60 μg/m以下，本次污染过程结束。

图2 龙华区2017年1月2日至1月3日大气污染时期PM2.5浓度的模拟值分布与风场叠加图Fig.2 Simulated distribution of PM2.5 concentration and wind field in the polluted period (2017/01/02-2017/01/03) in Longhua District

本次大气污染事件由大气污染物的跨区域传输引起，大气污染物主要从龙华区南部的其他地区传输至龙华区；当污染传输至龙华区后，风速降低，静稳天气不利于大气污染物扩散；大气污染在2017年1月2日夜间到1月3日凌晨加重，使得大气中的PM浓度超标现象持续超过数小时。

图3为龙华区2019年1月3日至1月6日大气污染时期PM浓度模拟值分布与风场叠加图。

图3 龙华区2019年1月3日至1月6日大气污染时期PM2.5浓度的模拟值分布与风场叠加图Fig.3 Simulated distribution of PM2.5 concentration and wind field in the polluted period (2019/01/03-2019/01/06) in Longhua District

由图3可见，2019年1月3日0时，龙华区以东风和东北风为主，风速较大，在此环流背景下，龙华区大气中的PM浓度相对较低，在大部分区域低于20 μg/m；1月3日12时风速转小，但仍以偏东风为主，当日龙华区大气中的PM浓度相对较低；至1月4日0时，近地面风速显著减小，龙华区大气中的PM浓度开始出现上升；1月4日夜间开始，大气中的PM浓度上升明显，中北部地区大气污染程度相对较高，在这些区域的近地面风速也较周边低，呈现出静稳天气现象；1月5日上午风速虽有增加，但仍然相对较低，不利于大气污染物的扩散，午后风速转为偏北风，龙华区全区大气中PM浓度均偏高，且这种分布情况在全天均有所维持；至1月5日夜间20时，全区大气中的PM浓度仍相对较高，特别是南部地区与南山、福田区的交界处，大气中PM污染相对较重；1月6日0时，风力加大，以偏东风为主，大气污染物扩散条件良好，大气污染物浓度出现下降，本次污染过程结束。

3.3.2 相对清洁时段PM污染过程的模拟分析

图4为龙华区2018年4月2日至4月7日相对清洁时期PM浓度模拟值分布与风场叠加图。

由图4可见，2018年4月2日0时，龙华区中北部地区风向为南风，整体风速比南部高，大气中的PM浓度低于40 μg/m；南部地区为偏东风，风速相对较低，大气污染物浓度较高；至4月2日上午，龙华区南部地区的风速增大，仍吹偏东风，风向模式不变，但大气污染物浓度有显著降低，这表明在暖季，白天温度的升高有利于大气污染物的扩散；至4月3日0时，大气污染物浓度出现升高，除西北部地区外，龙华大部分地区大气中的PM浓度为20～40 μg/m，比日间的PM浓度要高；此后该日际变化模式持续，即夜间高而日间低；至4月4日夜间，龙华区的风向以偏东南风为主，表明在该时期大气污染物从东部区域传输至龙华区；而4月6日风向发生改变，龙华区全区吹北风，且风速较大，大气污染物由北部向南部传输；至4月6日白天，风力加大，大气中PM浓度降至20 μg/m以下；4月7日午后，龙华区中部PM浓度出现升高，并向西传输。

图4 龙华区2018年4月2日至4月7日大气相对清洁时期内PM2.5浓度的模拟值分布与风场叠加图Fig.4 Simulated distribution of PM2.5 concentration in the relatively clean period (2018/04/02-2018/04/07) in Longhua District

3.4 减排过程的模拟分析

本文对龙华区2017年1月2 ～4日、2019年1月3～6日大气污染时段和2018年4月3～7日大气相对清洁时段进行了减排过程模拟实验。为了研究减排效果，本次模拟设置多组敏感性实验，并使用模拟得到的大气中PM浓度来检验减排效果，为减排工作的开展提供数据参考。

3.4.1 典型污染时段减排过程的模拟分析

在控制实验(即模拟的实际污染条件)下，龙华区大气污染时段内，大气中的PM浓度高值超过140 μg/m，低值为10 μg/m，平均值为(Avg)50 μg/m，超出了设定的PM浓度限值(33.3 μg/m)。通过对龙华区进行多组不同比例的减排实验发现，在大气污染时期内进行局地源减排的效果不佳，这是由于本次龙华区大气污染事件发生时，区域传输污染导致的大气污染物浓度上升，这说明当龙华区发生大气污染事件时，外来源的贡献较大。敏感性实验发现，受周边区域传输污染的影响，当龙华区本地减排比例达到75%时，大气中PM浓度的平均值(Avg)下降至32 μg/m，达到所设定的PM浓度限值的要求，减排实验结束。

通过对比减排前后大气中PM浓度的变化(见图5)可知，在PM浓度相对较高的大气污染时段内按照75%的比例实行减排措施，对降低大气中PM浓度的效果显著，大气中PM浓度可从局地最高峰值时的146 μg/m下降至95 μg/m；而在PM浓度较低的污染时期(小于20 μg/m时)内，实行75%的减排措施仅使大气中PM浓度下降1～4 μg/m。由以上分析结果可知，龙华区在大气污染时期受到外来源传输污染的影响非常大，在大气中PM浓度超标的时期，需要极大的减排量才可使大气污染物浓度下降至限制目标浓度内；对于大气污染时期内的相对清洁时段而言，实行减排措施对降低大气中PM浓度的作用较为微弱。因此，龙华区在大气相对污染时期的减排任务较为严峻，需要其他区域协同参与，共同减排。

图5 龙华区2017年1月2至1月4日大气污染时期内 75%减排实验中PM2.5浓度的逐时变化Fig.5 Hourly variation of PM2.5 concentration with 75% emission cut during the polluted period (2017/01/02-2017/01/04) in Longhua District

通过对龙华区2019年的个例进行PM减排过程模拟实验发现(见图6)，当龙华区本地减排比例达到70%时，大气中PM浓度的平均值(Avg)下降至31 μg/m，达到所设定的2019年大气中PM浓度限值的要求(31.8μg/m)，减排实验结束。与2017年相比，2019年对大气环境的要求更高，在此背景下，减排工作压力更大。

图6 龙华区2019年1月3至1月6日大气污染时期 内70%减排实验中PM2.5浓度的逐时变化Fig.6 Hourly variation of PM2.5 concentration with 70% emission cut during the polluted period (2019/01/03-2019/01/06) in Longhua District

3.4.2 相对清洁时段减排过程的模拟分析

在选定的2018年大气相对清洁时段内,大气中的PM浓度高值超过80 μg/m，低值为10 μg/m，平均值比设定的PM浓度限值高出1.7 μg/m。通过对龙华区进行多组不同比例的减排实验发现(见图7)，由于龙华区大气污染受周边区域传输污染的影响较大，在相对清洁时期内实行局地源减排的效果仍然较差。敏感性实验发现，当龙华区本地减排比例达到30%时，大气中PM浓度的平均值(Avg)下降至33 μg/m，减排实验结束。由此可见，龙华区实行30%比例减排措施能有效降低相对清洁时期内大气中PM浓度的高峰值，PM浓度可从局地最高峰值的88 μg/m下降至68 μg/m；但在PM浓度相对较低时期(小于20 μg/m时)内，实行30%局地源减排措施所取得的减排效果较差。因此，龙华区应侧重于在PM浓度偏高的时段开展减排工作。

图7 龙华区2018年4月3至4月7日大气相对清洁 时期内30%减排实验中PM2.5浓度的逐时变化Fig.7 Hourly variation of PM2.5 concentration with 30% emission cut during the relatively clean period (2018/04/03-2018/04/07) in Longhua District

4 结 论

基于现有监测数据，结合WRF-Chem大气化学模式，通过对龙华区大气污染个例和大气相对清洁个例的PM污染与减排过程进行模拟分析，得出以下结论：

(1) 龙华区PM实际大气环境容量已超过理想大气环境容量的限值，如何有效控制大气中的PM浓度是减排工作的重点。

(2) 在PM浓度相对较高的时段内实施减排措施，能有效降低大气中PM的浓度；而在PM浓度相对较低的时段实施减排措施所取得的减排效果较差。

(3) 随着大气环境的改善，在更高标准的要求下，龙华区大气减排的工作压力变大。

(4) 龙华区大气污染受周边区域传输污染的影响较大，减排任务较为严峻，需要其他地区协同参与，共同减排。因此，建议成立不利气象条件下大气污染事件的应急控制机制，强化与周边区域的联防联控，并根据气象条件预报，制定各区域减排比例与减排时段，以期达到最好的减排效果。